月之暗面（Moonshot AI）正式推出 Kimi K3。这款2.8万亿参数模型提供100万 token 上下文和原生多模态能力，已登陆 Kimi.com、Kimi Work、Kimi Code 与 Kimi API。真正的新闻钩子不只是规模：它试图把超长上下文、推理效率和长时代理任务放进同一条开放权重路线。
百万上下文先解决速度
超长上下文的瓶颈往往不是“能否装下”，而是解码延迟和缓存成本。Kimi Delta Attention（KDA）采用混合线性注意力，官方称在百万级 token 场景中最高可实现6.3倍更快解码。
这让 Kimi K3 的100万上下文更接近持续使用，而非只用于参数表展示。面对大型代码库、连续研究和跨文档分析，速度决定 Agent 能否真正跑完任务。
深层信息流压低训练成本
另一项核心设计是 Attention Residuals（AttnRes）。它不再简单累积各层表示，而是选择性检索不同深度的信息；官方数据称，额外成本低于2%，训练效率提升约25%。
配合 Stable LatentMoE，Kimi K3 每个 token 激活896个专家中的16个。月之暗面称其整体扩展效率约为 K2 的2.5倍，重点是让计算资源更有效地转化为模型能力。
长时代理成为主战场
Kimi K3 面向长时程代理式编码、知识工作与推理，可在较少人工干预下处理大型代码库、调用终端工具，并结合视觉反馈推进前端、游戏开发和 CAD 等任务。
这种定位也解释了多端同步上线：模型不再只回答问题，而要在数小时级工作流中持续规划、执行、检查和修正，支持递归式自我改进。
权重计划于2026年7月27日前开放。Kimi K3 能否改变开放模型格局，关键不在2.8万亿参数本身，而在开发者能否以可接受的成本，把百万上下文和长时 Agent 变成稳定生产力。
